{"id":10223,"date":"2017-05-14T14:54:26","date_gmt":"2017-05-14T17:54:26","guid":{"rendered":"http:\/\/tarciziosilva.com.br\/blog\/?p=10223"},"modified":"2017-05-14T14:54:26","modified_gmt":"2017-05-14T17:54:26","slug":"thickening-no-monitoramento-e-etnografia-em-midias-sociais","status":"publish","type":"post","link":"https:\/\/tarciziosilva.com.br\/blog\/thickening-no-monitoramento-e-etnografia-em-midias-sociais\/","title":{"rendered":"Thickening no monitoramento e etnografia em m\u00eddias sociais"},"content":{"rendered":"

[Publiquei originalmente no blog do IBPAD – confira l\u00e1 este e outros textos meus e dos demais professores]<\/span><\/p>\n

\"\"Iniciando a s\u00e9rie de postagens sobre cap\u00edtulos do livro Handbook of Social Media Research Methods<\/a><\/em>, vamos falar de um dos textos dedicados \u00e0 pesquisa qualitativa que usa, deliberadamente, o termo small data<\/em> em seu t\u00edtulo. Merece ser o primeiro tamb\u00e9m para chamar aten\u00e7\u00e3o para os procedimentos metodol\u00f3gicos necess\u00e1rios em qualquer pesquisa e monitoramento de m\u00eddias sociais<\/a> \u2013 que muitas vezes s\u00e3o esquecidos por ansiosos que perseguem os novos termos da onda.<\/p>\n

Small<\/em>\u00a0<\/em>Data,<\/em>\u00a0<\/em>Thick<\/em>\u00a0<\/em>Data:<\/em>\u00a0<\/em>Thickening<\/em>\u00a0<\/em>Strategies<\/em>\u00a0<\/em>for<\/em>\u00a0<\/em>Trace-based<\/em>\u00a0<\/em>Social<\/em>\u00a0<\/em>Media<\/em>\u00a0<\/em>Research<\/em><\/strong> foi escrito por Guillaume Latzko-Toth<\/a>, Claudine Bonneau<\/a> e M\u00e9laine Millette<\/a>, pesquisadores da Universit\u00e9 Laval<\/a> e Universit\u00e9 du Qu\u00e9bec \u00e0 Montr\u00e9al<\/a> \u2013 ambas do Canad\u00e1. O objetivo do cap\u00edtulo \u00e9 ir al\u00e9m da infrut\u00edfera cis\u00e3o entre quanti-quali ou big-small data, buscando reduzir o \u201cf\u00f4lego\u201d dos dados (breadth<\/em>) em prol de sua profundidade \u2013 ou thickening<\/em> \u2013 engrossamento.<\/p>\n

Os autores explicam que o termo se assimila a ideias de thick data<\/em> do Geertz (1973) ou rich data<\/em> do Becker (1970). O conceito de thickening <\/em>usado no cap\u00edtulo vem de Tricia Wang<\/p>\n

\u201cThick data \u00e9 o oposto de \u2018Big Data\u2019; \u00e9 a cola pegajosa que \u00e9 dif\u00edcil de quantificar \u2013 emo\u00e7\u00f5es, est\u00f3rias, vis\u00f5es de mundo \u2013 o que se perde no processo de normaliza\u00e7\u00e3o, padroniza\u00e7\u00e3o, defini\u00e7\u00e3o e clustering que torna os datasets massivos analis\u00e1veis por computadores\u201d (WANG, 2016: online)<\/p><\/blockquote>\n

Assim, a ideia de thick data se aproxima das ideias de etnografia online<\/a> e netnografia (Hine, 2015; Kozinets, 2010). Ao definir small data, os autores enfatizam a ideia de manejabilidade (manageability): uma quantidade de pontos de dados que \u00e9 pequena demais para ser representativa no sentido estat\u00edstico e pequena o suficiente para ser gerenciada por um time pequeno de analistas humanos. A rigor, trata-se da grande maioria dos casos de estudos de dados em m\u00eddias sociais em empresas e ag\u00eancias.<\/p>\n

<\/a>

Tabela por Tricia Wang<\/p><\/div>\n

S\u00e3o tr\u00eas camadas essenciais para o engrossamento dos dados: uma camada de informa\u00e7\u00e3o contextual, que d\u00e1 conta das affordances t\u00e9cnicas e conven\u00e7\u00f5es culturais que d\u00e3o forma \u00e0s pr\u00e1ticas online; uma camada de \u201cdescri\u00e7\u00f5es grossas\u201d sobre as pr\u00e1ticas sendo estudas, os produtos sociais a partir das perspectivas dos v\u00e1rios atores envolvidos; e uma camada de entendimento dos significados das experi\u00eancias sendo estudadas \u2013 incluindo a interpreta\u00e7\u00e3o dos pr\u00f3prios envolvidos.<\/p>\n

A partir desse entendimento, os autores prop\u00f5em tr\u00eas tipos de estrat\u00e9gias de data thickening: entrevista baseada em rastros e tra\u00e7os nas m\u00eddias sociais; coleta manual de dados; e observa\u00e7\u00e3o \u00e1gil de longa dura\u00e7\u00e3o.<\/p>\n

 <\/p>\n

Entrevista baseada em rastros e tra\u00e7os nas m\u00eddias sociais – Trace Interview<\/em><\/p>\n

Aqui a ideia \u00e9 convidar os participantes\/sujeitos de pesquisa a refletir sobre seus pr\u00f3prios dados nas m\u00eddias sociais. Usando aplicativos de an\u00e1lise de informa\u00e7\u00e3o social dispon\u00edveis largamente como Twitonomy, Tweetstats, Sociograph, Digital Footprints ou outros, o entrevistado pode se confrontar com seus pr\u00f3prios padr\u00f5es de intera\u00e7\u00e3o ou dados resgatados para refletir e falar sobre suas pr\u00e1ticas online.<\/p>\n

A utiliza\u00e7\u00e3o de sociogramas simples \u2013 criados de forma mista anal\u00f3gica e digital \u00e9 um recurso comum, como mostrou Elizabeth Dubois<\/a> em seu metodologia, citada pelos autores:<\/p>\n

\"\"<\/a><\/p>\n

Coleta Manual de Dados<\/em><\/p>\n

Demonizar a coleta manual de dados fez com que muitos pesquisadores e analistas confiassem demais na coleta baseada em palavras-chave<\/em>, deixando de lado o potencial de se estudar elementos para al\u00e9m do texto, por exemplo. Escolha de imagem de avatares e \u201ccapas\u201d e a posterir an\u00e1lise de seus elementos, muito \u00fateis para a constru\u00e7\u00e3o de personas \u2013 \u00e9 um exemplo de coleta manual relevante.<\/p>\n

Mesmo em termos de publica\u00e7\u00f5es \u2013 tweets, postagens, coment\u00e1rios – , a coleta manual a partir da navega\u00e7\u00e3o do pesquisador, usando de conceitos de bricolagem e serendipidade, pode expandir o horizonte e quebrar com os limites consciente e inconscientemente impostos pelo escopo do analista.<\/p>\n

 <\/p>\n

Observa\u00e7\u00e3o \u00e1gil de longa dura\u00e7\u00e3o – Agile long-term online observation<\/em><\/p>\n

Por fim, com o conceito de observa\u00e7\u00e3o \u00e1gil de longa dura\u00e7\u00e3o<\/em>, os autores v\u00e3o tratar da necessidade de seguir os sujeitos de pesquisa atrav\u00e9s de diversas comunidades e plataformas. A agilidade \u00e9 essencial para transformar a observa\u00e7\u00e3o cont\u00ednua dos fen\u00f4menos e intera\u00e7\u00f5es sociais em novos escopos de pesquisa, configura\u00e7\u00e3o de ferramenta e registros de dados. As men\u00e7\u00f5es a eventos ex\u00f3genos, conte\u00fados e memes em outras plataformas s\u00e3o pistas para o pesquisador encontrar novas refer\u00eancias e caminhos a percorrer para o entendimento das comunidades sendo estudadas.<\/p>\n

A se\u00e7\u00e3o seguinte do cap\u00edtulo traz estudos de caso de cada uma das estrat\u00e9gias citadas acima. Para as entrevistas baseadas em tra\u00e7os, os pesquisadores relatam como os participantes descreveram as pessoas e relacionamentos em suas timelines \u2013 com v\u00e1rias informa\u00e7\u00f5es que n\u00e3o seriam descobertas por um pesquisador isolado daquele contexto social. Para a segunda estrat\u00e9gia, os autores falam sobre pesquisa em torno do fen\u00f4meno Working Out Loud (relatos do cotidiano de trabalho atrav\u00e9s de tweets). O monitoramento de palavras-chave foi o passo inicial para, em seguida, a coleta manual permitir registrar o contexto de publica\u00e7\u00e3o de cada tweet, para cada usu\u00e1rio. Finalmente, um estudo sobre a comunidade franc\u00f3fila do Canad\u00e1 foi objeto do terceiro relato de caso, resgatando o mapeamento realizado pelos pesquisadores atrav\u00e9s da metodologia de observa\u00e7\u00e3o \u00e1gil de longa dura\u00e7\u00e3o.<\/p>\n

Os autores concluem o cap\u00edtulo sublinhando tr\u00eas caracter\u00edsticas das metodologias e casos estudados: contextualidade, temporalidade e flexibilidade. O entusiasmo com os m\u00e9todos digitais de pesquisa n\u00e3o podem se restringir a suas capacidades de automatiza\u00e7\u00e3o, aplica\u00e7\u00e3o de algoritmos e procedimentos padronizados. Aquelas caracter\u00edsticas da thick data s\u00f3 poder\u00e3o ser alcan\u00e7adas com olhares qualitativos de pesquisadores imersos em seus objetos de pesquisa.<\/p>\n

 <\/p>\n

Refer\u00eancias\u00a0<\/strong><\/p>\n

Becker, H. S. (1970) Sociological Work: Method and Substance. New Brunswick, NJ: Transaction Books<\/p>\n

Dubois, E. and Ford, H. (2015) \u2018Trace interviews: An actor-centered approach’, International Journal of Communication, 9(25): 2067\u20132091.<\/p>\n

Geertz, C. (1973) Interpretation of Cultures: Selected essays. New York: Basic Books.<\/p>\n

Hine, C. (2015) Ethnography for the Internet: Embedded, Embodied and Everyday. London: Bloomsbury Publishing.<\/p>\n

Kozinets, R.V. (2010) Netnography: Doing Ethnographic Research Online. London: Sage.<\/p>\n

Latzko-Toth, G., Bonneau, C. et Millette, M. (2017). Small data, thick data : thickening strategies in trace-based social media research. In:\u00a0A. Quan-Haase et L. Sloan (dir.). The SAGE handbook of social media research methods<\/i> (p. 199\u2013214)<\/i>. Thousand Oaks, CA : Sage Publications.<\/p>\n

Wang, T. (2016, January 20) \u2018Why Big Data Needs Thick Data’, Ethnography Matters (Medium channel) (https:\/\/medium.com\/ethnography-matters\/why-big-data-needs-thick-data-b4b3e75e3d7#.y9plmare1)<\/p>\n","protected":false},"excerpt":{"rendered":"

[Publiquei originalmente no blog do IBPAD – confira l\u00e1 este e outros textos meus e dos demais professores] Iniciando a s\u00e9rie de postagens sobre cap\u00edtulos do livro Handbook of Social Media Research Methods, vamos falar de um dos textos dedicados \u00e0 pesquisa qualitativa que usa, deliberadamente, o termo small data em seu t\u00edtulo. Merece ser […]<\/p>\n","protected":false},"author":6,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[2483,420,2337,2511],"class_list":["post-10223","post","type-post","status-publish","format-standard","hentry","category-midias-sociais","tag-etnografia-em-midias-sociais","tag-monitoramento-de-midias-sociais","tag-pesquisa-em-midias-sociais","tag-thickening"],"_links":{"self":[{"href":"https:\/\/tarciziosilva.com.br\/blog\/wp-json\/wp\/v2\/posts\/10223","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/tarciziosilva.com.br\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/tarciziosilva.com.br\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/tarciziosilva.com.br\/blog\/wp-json\/wp\/v2\/users\/6"}],"replies":[{"embeddable":true,"href":"https:\/\/tarciziosilva.com.br\/blog\/wp-json\/wp\/v2\/comments?post=10223"}],"version-history":[{"count":3,"href":"https:\/\/tarciziosilva.com.br\/blog\/wp-json\/wp\/v2\/posts\/10223\/revisions"}],"predecessor-version":[{"id":10226,"href":"https:\/\/tarciziosilva.com.br\/blog\/wp-json\/wp\/v2\/posts\/10223\/revisions\/10226"}],"wp:attachment":[{"href":"https:\/\/tarciziosilva.com.br\/blog\/wp-json\/wp\/v2\/media?parent=10223"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/tarciziosilva.com.br\/blog\/wp-json\/wp\/v2\/categories?post=10223"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/tarciziosilva.com.br\/blog\/wp-json\/wp\/v2\/tags?post=10223"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}